数据处理

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第9天，点击查看活动详情 1. 交叉表与透视表 1.1 使用crosstab（交叉表）实现 交叉表：交叉表用于计算一列数据对于另外

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第8天，点击查看活动详情 1. 表操作 1.1 pd.concat实现合并 pd.concat([data1, data2], a

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第7天，点击查看活动详情 1. 数据离散化 连续属性的离散化就是将连续属性的值域上，将值域划分成为若干个离散区间，最后用不同的符号

1. 缺失值处理 思路一：样本大，可以删除含有缺失值的样本 思路二：数据量小，可以替换/插补 1.1 检测缺失值 判断数据中是否存在NaN pd.notnull()： 若没有缺失值：返回True 若有

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第5天，点击查看活动详情 1. Pandas画图 pandas库中集成了matplotlib库，可以直接进行调用，在相应的Data

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第3天，点击查看活动详情 1. Pandas数组运算 1.1 统计运算 在数据处理中，可以使用以下函数查看数据的基本情况，获取统计

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第3天，点击查看活动详情 1. 赋值与排序 1.1 赋值 注意：在DataFrame赋值中，不可以单独对指定的索引进行赋值。 通常

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第2，点击查看活动详情 今天，我们将继续介绍Pandas库数据处理基本操作，本节将主要介绍数据的索引，如何使用索引获取指定数据？有

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第1天，点击查看活动详情 1. Pandas介绍 专门用于数据挖掘的开源Python库 以Numpy为基础 基于matplotli

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第10篇文章，点击查看活动详情 1. 引言 1.1 任务描述： 本节，我们继续完善北京市租房数据处理实战，数据集基本处理请参考本系列文章：【数据处

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第9篇文章，点击查看活动详情 1. 引言 1.1 任务要求： 本节，我们继续完善北京市租房数据处理实战，数据集基本处理请参考本系列文章：【数据处理

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第8篇文章，点击查看活动详情 1. 引言 1.1 项目需求： 本节，我们继续完善北京市租房数据处理实战，数据集基本处理请参考本系列上篇文章：【数据

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第7篇文章，点击查看活动详情 1. 引言 1.1 项目需求： 本节，我们继续完善北京市租房数据处理实战，数据集基本处理请参考本系列上篇文章：【数据

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第6篇文章，点击查看活动详情 1. 引言 我们将对numpy，pandas，matplotlib，seaborn库进行综合运用，旨在熟练掌握这些基

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第5篇文章，点击查看活动详情 注意：本案例使用 Jupyter NotebookJupyterNotebook 进行案例演示，数据集为NBA球员信

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第4篇文章，点击查看活动详情 注意：本案例使用 Jupyter NotebookJupyterNotebook 进行案例演示，数据集为NBA球员信

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第3篇文章，点击查看活动详情 注意：本案例使用 Jupyter NotebookJupyterNotebook 进行案例演示，数据集为NBA球员信

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第2篇文章，点击查看活动详情 本案例使用 $Jupyter Notebook$ 进行案例演示，数据集为NBA球员信息数据集。本项目将进行完整的数据

我报名参加金石计划1期挑战——瓜分10万奖池，这是我的第1篇文章，点击查看活动详情 想要查看各个分类中的数据分布，显而易见，散点图是不满足需求的，因为：它不够直观。今天，我们将介绍两种统计学图形的绘制

我正在参与掘金创作者训练营第6期，点击了解活动详情 1. 数组的索引、切片 一维，二维、三维的数组如何索引 直接通过中括号就可以进行索引，切片，与python语法很相似 对象[:, :]中括号中的参数